基于神经网络的设备故障预测研究

张 宁, 郝 理想
新乡职业技术学院

摘要


机械设备推动工业现代化发展的过程中扮演者重要的角色。设备安全，平稳的运行是确保设备生产率的关
键。如何预测设备故障出现的时间并及时进行预防，维修是一个非常重要的问题。以往的设备故障预判方法通常选
用单个传感器对设备局部进行信息采集，对获取的信息进行判断确认设备是否故障，只能反应设备局部的故障信息，
导致预测结果存在较大偏差。对此，本文提出了基于RBF神经网络的设备故障预测方法，并使用粒子群优化算法
（PSO）对径向基神经网络进行优化，最后使用DS证据理论。并将其应用于滚动轴承故障预测中，具有很大的工程
实际意义。

关键词


故障预测；PSO-RBF神经网络；滚动轴承

全文:

PDF


参考


[1]张钱龙.基于信息融合的设备故障预测研究[D].

郑州大学，2016.

[2]陈耀武.旋转机械状态监测系统与故障诊断，状

态预测方法研究[D].浙江大学，1998.

[3]魏岳江，本刊编辑部.空难事故原因透视——五花

八门的罪魁祸首[J].航空世界，2014，183（09）：66-71.

[4]张青，赵洪利，杨佳强.基于CNN-BiLSTM的航

空发动机滑油流量故障诊断预测方法研究[J].内燃机与配

件，2024（08）：84-87.DOI：10.19475/j.cnki.issn1674-

957x.2024.08.043.

[5]史天一，时轮，何其昌.基于深度学习的齿轮箱

故障预测方法[J].传动技术，2024，38（01）：37-43.

[6]褚浩元，张傲雪，李情霞，等.基于长短时记忆

神经网络的抽油机井故障智能预警[J].科学技术与工程，

2024，24（09）：3646-3653.

[7]罗昌亮，毛娅，陈作炳，等.数字孪生与神经网

络融合驱动的烧成系统故障预警研究[J/OL].机械科学与

技术：1-8[2024-05-04]

[8]韩颖.基于卷积神经网络的电力设备故障预测模

型的研究[J].自动化应用，2023，64（24）：107-109.

[9]孙洪展.基于GRU神经网络的机械设备故障预测

[J].计算机与数字工程，2023，51（08）：1817-1820.

[10]朱广贺，朱智强，袁逸萍.基于改进CNN的旋

转设备转子振动故障预测仿真[J].计算机仿真，2023，40

（06）：533-537.

[11]康喜，黄海宇，卜静非，等.基于大数据分析的

机动设备早期故障智能诊断技术研究与应用[J].工业加

热，2024，53（03）：79-84.


Refbacks

  • 当前没有refback。